【高阶数据结构】AVL树 {概念及实现；节点的定义；插入并调整平衡因子；旋转操作：左单旋，右单旋，左右双旋，右左双旋；AVL树的验证及性能分析}

AVL树

一、AVL树的概念

  • 二叉搜索树虽可以缩短查找的效率，但如果数据有序或接近有序二叉搜索树将退化为单支树，查找元素相当于在顺序表中搜索元素，效率低下。因此，两位俄罗斯的数学家G.M.Adelson-Velskii和E.M.Landis在1962年发明了一种解决上述问题的方法：

  • AVL树：又被称为高度平衡搜索二叉树，当向二叉搜索树中插入新结点后，如果能保证每个结点的左右子树高度之差的绝对值不超过1(需要对树中的结点进行调整)，即可降低树的高度，从而减少平均搜索长度。

一棵AVL树或者是空树，或者是具有以下性质的二叉搜索树：

  1. 左右子树高度之差(简称平衡因子)的绝对值不超过1(-1/0/1)
  2. 它的左右子树都是AVL树

在这里插入图片描述

如果一棵二叉搜索树是高度平衡的，它就是AVL树。如果它有n个结点，其高度可保持在log_2 n，搜索时间复杂度O(log_2 n)。

二、AVL树节点的定义

template <class K, class V>
struct AVLTreeNode{    AVLTreeNode<K,V> *_left; //指向左节点的指针       AVLTreeNode<K,V> *_right; //指向右节点的指针                    AVLTreeNode<K,V> *_parent; //指向父节点的指针                       pair<K,V> _kv; //存储元素键值对                   int _bf; //平衡因子balance factor            AVLTreeNode(const pair<K,V> &kv)    :_left(nullptr),    _right(nullptr),                                                                         _parent(nullptr),    _kv(kv),    _bf(0)                                                                        {}    
};

三、AVL树的插入

AVL树就是在二叉搜索树的基础上引入了平衡因子，因此AVL树也可以看成是二叉搜索树。那么AVL树的插入过程可以分为三步：

  1. 按照二叉搜索树的方式插入新节点
  2. 调整节点的平衡因子
  3. 如果节点所在的二叉树不再平衡，通过旋转恢复平衡。

在这里插入图片描述

template <class K, class V>
bool AVLTree<K,V>::Insert(const pair<K,V> &kv)
{//1.按照二叉搜索树的方式插入新节点if(_root == nullptr){_root = new Node(kv);return true;}Node *cur = _root;Node *parent = nullptr; //cur要向下一直遍历到null，所以要记录父节点的指针while(cur != nullptr){if(kv.first > cur->_kv.first)                    {parent = cur;cur = cur->_right;}else if(kv.first < cur->_kv.first){parent  = cur;cur = cur->_left;}else{return false;}}cur = new Node(kv);if(kv.first > parent->_kv.first){                          parent->_right = cur;}else{parent->_left = cur;}cur->_parent = parent; //不要忘了修改父节点指针//2.调整节点的平衡因子while(parent!=nullptr) //只影响插入节点的所有祖先节点的平衡因子,parent不断向上一直遍历到根节点{//更新父节点的平衡因子//平衡因子=右树的高度-左树的高度if(cur == parent->_right){++parent->_bf; //插入右节点，bf++；      }else{--parent->_bf; //插入左节点，bf--；}//更新后检测双亲的平衡因子if(parent->_bf == 0){//由1/-1更新为0，说明以父节点为根的二叉树高度不变，无需继续向上调整。 break; }else if(abs(parent->_bf) == 1){//由0更新为1/-1，说明以父节点为根的二叉树高度增加了一层，需要继续向上调整。 parent = parent->_parent;cur = cur->_parent;}else if(abs(parent->_bf) == 2){//3.更新后为2/-2，说明parent所在的子树已经不平衡了，需要通过旋转恢复平衡。//......//下面的内容会有讲解↓↓↓}else{//除非代码有错，否则不可能有其他情况。assert(false);}}return true;
}

四、AVL树的旋转

如果在一棵原本是平衡的AVL树中插入一个新节点，可能造成不平衡，此时必须调整树的结构，使之平衡化。根据节点插入位置的不同，AVL树的旋转分为四种：

4.1 左单旋

新节点插入较高右子树的右侧—右右：左单旋

在这里插入图片描述

解释：

  1. 上图在插入前，AVL树是平衡的。a,b,c是高度为h的AVL子树(h>=0)。新节点插入到60的右子树c使c树增加了一层，最终导致以30为根的二叉树不平衡。
  2. 要让30平衡，就需要将30向左旋转，将60提上去。让30的左子树增加一层，右子树减少一层。也就是让30做60的左子树。
  3. 如果60有左子树b，b树的根一定大于30小于60，刚好做30的右子树。旋转完成后，更新节点的平衡因子即可。
  4. 在旋转过程中，有以下几种情况需要考虑：
    1. 60节点的左子树b可能存在，也可能为空。
    2. 30可能是根节点，也可能是子树
    • 如果是根节点，旋转完成后，要更新根节点指针_root。
    • 如果是子树，可能是某个节点的左子树，也可能是右子树。要更新父节点的指针。
template <class K, class V>
void AVLTree<K,V>::RotateL(Node *parent){ //parent对应30Node *subR = parent->_right; //subR对应60Node *subRL = subR->_left; //subRL对应b树的根Node *ppNode = parent->_parent; //记录30的父节点，便于旋转后进行连接。//30和b树进行连接parent->_right = subRL;         if(subRL != nullptr) //b树可能为空{subRL->_parent = parent;}//30和60重新连接subR->_left = parent;parent->_parent = subR;//60和30的父节点进行连接//如果30是根节点，更新根节点指针_root指向60//if(_root == parent)if(ppNode == nullptr){_root = subR;}else{//60和30的父节点进行连接，先要确定30是父节点的左子树还是右子树if(ppNode->_left == parent){ppNode->_left = subR;}else{                  ppNode->_right = subR;}}subR->_parent = ppNode;//更新平衡因子，进过旋转60和30的平衡因子变为0subR->_bf = parent->_bf = 0;
}

4.2 右单旋

新节点插入较高左子树的左侧—左左：右单旋

在这里插入图片描述

详细解释参考左单旋。

template <class K, class V>
void AVLTree<K,V>::RotateR(Node *parent){Node *subL = parent->_left;Node *subLR = subL->_right;Node *ppNode = parent->_parent;parent->_parent = subL;subL->_right = parent;                                                                                                         parent->_left = subLR;if(subLR != nullptr)subLR->_parent = parent;//if(_root == parent)if(ppNode == nullptr){_root = subL;}else{if(ppNode->_left == parent){ppNode->_left = subL;}else{ppNode->_right = subL;}}subL->_parent = ppNode;subL->_bf = parent->_bf = 0;
}

旋转的作用：1. 平衡二叉树 2. 降低二叉树高度（恢复到插入之前的高度h+2）

4.3 左右双旋

新节点插入较高左子树的右侧—左右：先左单旋再右单旋

在这里插入图片描述

将双旋变成单旋后再旋转，即：先对30进行左单旋，然后再对90进行右单旋，旋转完成后再考虑平衡因子的更新。

左右双旋又能细分为3种情况：

  1. a,b,c,d是空树60是新增，引发双旋。
  2. 在b树插入新增，引发双旋。
  3. 在c树插入新增，引发双旋。

三种情况的双旋过程不变，只是平衡因子的更新需要分别处理：

在这里插入图片描述

双旋的关键在于更新平衡因子，30,60,90三个节点的平衡因子都在两次单旋过程中被错误的置为0（因为并没要满足单旋的条件）。要根据以上三种不同的情况重新调整三个节点的平衡因子。如何区分三种不同的情况？根据旋转之前60的平衡因子确认。

template <class K, class V>
void AVLTree<K,V>::RotateLR(Node *parent){ //parent对应90Node *subL = parent->_left; //subL对应30Node *subLR = subL->_right; //subLR对应60int bf = subLR->_bf; //记录旋转之前60的平衡因子RotateL(subL); //30左单旋RotateR(parent); //90右单旋//更新平衡因子subLR->_bf = 0; //60的平衡因子一定为0     switch(bf) //根据旋转之前60的平衡因子确认属于那种情况{case 1:subL->_bf = -1;parent->_bf = 0;break;case -1:subL->_bf = 0;parent->_bf = 1;break;case 0:subL->_bf = 0;parent->_bf = 0;break;default://除非代码有错，否则不可能有其他情况。assert(false);break;}
}

双旋最终的结果是将60作为二叉树的根，60的左右子树分别作了30和90的右左子树。30和90作了60的左右子树。

4.4 右左双旋

新节点插入较高右子树的左侧—右左：先右单旋再左单旋

在这里插入图片描述

详细解释参考左右双旋。

template <class K, class V>
void AVLTree<K,V>::RotateRL(Node *parent){Node *subR = parent->_right;Node *subRL = subR->_left;int bf = subRL->_bf;RotateR(subR);RotateL(parent);  //更新平衡因子                  subRL->_bf = 0;switch(bf){case 1:subR->_bf = 0;parent->_bf = -1;break;case -1:subR->_bf = 1;parent->_bf = 0;break;case 0:subR->_bf = 0;parent->_bf = 0;break;default://除非代码有错，否则不可能有其他情况。assert(false);break;}
}

双旋最终的结果是将60作为二叉树的根，60的左右子树分别作了30和90的右左子树。30和90作了60的左右子树。

4.5 分情况旋转

    else if(abs(parent->_bf) == 2){ //3.更新后为2/-2，说明parent所在的子树已经不平衡了，需要通过旋转恢复平衡。if(parent->_bf == 2 && cur->_bf == 1) //右右，左单旋{RotateL(parent);}else if(parent->_bf == 2 && cur->_bf == -1) //右左，右左双旋{RotateRL(parent);}else if(parent->_bf == -2 && cur->_bf == -1) //左左，右单旋{RotateR(parent);                              }else if(parent->_bf == -2 && cur->_bf == 1) //左右，左右双旋{RotateLR(parent);}else{//除非代码有错，否则不可能有其他情况。assert(false);}break; //注意：旋转完成后，原parent为根的子树个高度降低，已经平衡，不需要再向上更新。}

总结：
假如以parent为根的子树不平衡，即parent的平衡因子为2或者-2，分以下情况考虑：

  1. parent的平衡因子为2，说明parent的右子树高，设parent的右子树的根为subR

    • 当subR的平衡因子为1时(右右)，执行左单旋

    • 当subR的平衡因子为-1时(右左)，执行右左双旋

  2. parent的平衡因子为-2，说明parent的左子树高，设parent的左子树的根为subL

    • 当subL的平衡因子为-1是(左左)，执行右单旋

    • 当subL的平衡因子为1时(左右)，执行左右双旋

经过旋转后可以直接break；因为经过旋转，插入元素前后子树的高度未发生变化都是h+2，不需要再调整上层节点的平衡因子。一次插入最多一次旋转。

所以，AVL树插入元素的时间复杂度：找插入位置O(log_2N) + 更新平衡因子O(log_2N) + 旋转O(1) = O(log_2N)。

五、AVL树的验证

AVL树是在二叉搜索树的基础上加入了平衡性的限制，因此要验证AVL树，可以分两步：

  1. 验证其为二叉搜索树
    如果中序遍历可得到一个有序的序列，就说明为二叉搜索树

  2. 验证其为平衡树

  • 每个节点子树高度差的绝对值不超过1

  • 节点的平衡因子是否计算正确

    template <class K, class V>
bool AVLTree<K,V>::_Isbalance(Node *root){if(root == nullptr) return true; //注意，空树也是AVL树int lh = _Height(root->_left); //_Height返回二叉树的高度int rh = _Height(root->_right);int diff = rh-lh; //计算得到平衡因子                                                                                                              if(diff != root->_bf){cout << "Key: " << root->_kv.first << "bf: " << root->_bf << " 平衡因子异常" << endl;return false;}return abs(diff) < 2 && _Isbalance(root->_left) && _Isbalance(root->_right);
}

  1. 测试用例

    //插入一两组序列测试
void Test1(){//int arr[] = {16, 3, 7, 11, 9, 26, 18, 14, 15};int arr[] = {1,2,3,4,5,6,7,8,9,10};AVLTree<int, int> avl;for(auto e : arr){avl.Insert(make_pair(e, e));          }avl.Inorder();cout << "Isbalance: " << avl.Isbalance() << endl;
}//插入10000个随机值测试
void Test2(){srand(time(NULL));AVLTree<int, int> avl;const int N = 10000;for(int i = 0; i<N; ++i){int x = rand();avl.Insert(make_pair(x, i));}cout << "Isbalance: " << avl.Isbalance() << endl;
}

六、AVL树的删除(了解)

AVL树节点的删除步骤如下：

  1. 在AVL树中找到要删除的节点。
  2. 如果要删除的节点是叶子节点，直接删除即可。
  3. 如果要删除的节点只有一个子节点，先使前驱节点指向该节点的子节点，然后删除该节点。
  4. 如果要删除的节点有两个子节点，需要找到该节点的替换节点（即该节点右子树中最小的节点或左子树中最大的节点），然后交换与替换节点的值，最后删除替换节点。
  5. 在删除节点后，需要更新从该节点到根节点路径上所有节点的平衡因子，并进行平衡调整，使得整棵树重新满足AVL树的性质。

删除操作的平衡调整方法和AVL树的插入操作相似，但在实现时需要注意一些细节上的差异。需要注意的是，删除操作可能会导致多个节点的平衡因子发生变化，因此需要一直向上循环更新和平衡调整，直到根节点。具体实现大家可以参考《算法导论》或《数据结构-用面向对象方法与C++描述》殷人昆版。

七、AVL树的性能

  • AVL树是一棵绝对平衡的二叉搜索树，其要求每个节点的左右子树高度差的绝对值都不超过1，这样可以保证查询时高效的时间复杂度，即log_2 (N)。

  • 但是如果要对AVL树做一些结构修改的操作，性能非常低下，比如：插入时要维护其绝对平衡，旋转的次数比较多；更差的是在删除时，有可能一直要让旋转持续到根的位置。

  • 因此，如果需要一种查询高效且有序的数据结构，而且数据的个数为静态的(即不会改变)，可以考虑AVL树。但一个结构经常修改，就不太适合。

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.hqwc.cn/news/98842.html

如若内容造成侵权/违法违规/事实不符，请联系编程知识网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

分类算法系列②：KNN算法

分类算法系列②：KNN算法

目录 KNN算法 1、简介 2、原理分析 数学原理 相关公式及其过程分析 距离度量 k值选择 分类决策规则 3、API 4、⭐案例实践 4.1、分析 4.2、代码 5、K-近邻算法总结 &#x1f343;作者介绍&#xff1a;准大三网络工程专业在读&#xff0c;努力学习Java&#xff0c;涉…
阅读更多...
centos7下docker设置新的下载镜像源并调整存放docker下载镜像的仓库位置

centos7下docker设置新的下载镜像源并调整存放docker下载镜像的仓库位置

目录 1.设置镜像源 2.调整存放下载镜像的仓库位置 1.设置镜像源 在 /etc/docker下创建一个daemon.json文件。在json中下入 "registry-mirrors": ["https://docker.mirrors.ustc.edu.cn/"] 完成配置 加载配置 systemctl daemon-reload 重启docker sy…
阅读更多...
docker安装redis实操记录

docker安装redis实操记录

1.Docker拉取镜像 docker pull redis2.Docker挂载配置文件 创建挂载文件夹 mkdir -p /home/redis/data下载默认配置文件 redis.conf 3.启动redis 容器 docker run --restartalways --log-opt max-size100m --log-opt max-file2 -p 6379:6379 --name redis -v /home/redi…
阅读更多...
java IDEA文件路径分层级

java IDEA文件路径分层级

如下图这样 在设置里找到Compact Middle Packages&#xff0c;去掉勾选就行了
阅读更多...
【Linux系列】vmware虚拟机网络配置详解

【Linux系列】vmware虚拟机网络配置详解

非原创 原文地址[1] 首发博客地址[2] 系列文章地址[3] vmware 为我们提供了三种网络工作模式&#xff0c;它们分别是&#xff1a;Bridged&#xff08;桥接模式&#xff09;、NAT&#xff08;网络地址转换模式&#xff09;、Host-Only&#xff08;仅主机模式&#xff09;。 打开…
阅读更多...
前端JS学习（一）

前端JS学习（一）

基础 JavaScript书写位置 1、行内 JavaScript   通常放在文档结尾的 < / b o d y > </body> </body> 上面   将 < s c r i p t > <script> <script>放在HTML文件的底部附近是因为浏览器会按照代码在文件中的顺序加载HTML。 2、内部J…
阅读更多...
43、Flink之Hive 读写及详细验证示例

43、Flink之Hive 读写及详细验证示例

Flink 系列文章 1、Flink 部署、概念介绍、source、transformation、sink使用示例、四大基石介绍和示例等系列综合文章链接 13、Flink 的table api与sql的基本概念、通用api介绍及入门示例 14、Flink 的table api与sql之数据类型: 内置数据类型以及它们的属性 15、Flink 的ta…
阅读更多...
Node基础and包管理工具

Node基础and包管理工具

Node基础 fs 模块 fs 全称为 file system&#xff0c;称之为 文件系统&#xff0c;是 Node.js 中的 内置模块&#xff0c;可以对计算机中的磁盘进行操作。 本章节会介绍如下几个操作&#xff1a; 1. 文件写入 2. 文件读取 3. 文件移动与重命名 4. 文件删除 5. 文件夹操作 6. …
阅读更多...
C++零碎记录（四）

C++零碎记录（四）

6. 深拷贝与浅拷贝 ① 浅拷贝&#xff1a;简单的赋值拷贝操作。 ② 深拷贝&#xff1a;在堆区重新申请空间&#xff0c;进行拷贝操作。 ③ 浅拷贝&#xff0c;如下图所示&#xff0c;带来的问题就是堆区的内存重复释放。 ④ 深拷贝&#xff0c;如下图所示&#xff0c;在堆区…
阅读更多...
如何培养潜在客户？看完这篇你就懂了

如何培养潜在客户？看完这篇你就懂了

图片来源于&#xff1a;SaleSmartly官网 有效的潜在客户培育策略将帮助您将更多潜在客户转化为付费客户。 但是&#xff0c;这并不总是那么容易——您必须与其他公司争夺受众的注意力&#xff0c;并向您的领导证明为什么值得投资您的产品或服务。在本文中&#xff0c;我将向您展…
阅读更多...
Java 中数据结构HashSet的用法

Java 中数据结构HashSet的用法

Java HashSet HashSet 基于 HashMap 来实现的&#xff0c;是一个不允许有重复元素的集合。 HashSet 允许有 null 值。 HashSet 是无序的&#xff0c;即不会记录插入的顺序。 HashSet 不是线程安全的&#xff0c; 如果多个线程尝试同时修改 HashSet&#xff0c;则最终结果是…
阅读更多...
Leetcode---360周赛

Leetcode---360周赛

题目列表 2833. 距离原点最远的点 2834. 找出美丽数组的最小和 2835. 使子序列的和等于目标的最少操作次数 2836. 在传球游戏中最大化函数值 一、距离原点最远的点 这题主要是理解题意&#xff0c;遇到L往左走&#xff0c;遇到R往右走&#xff0c;遇到_左右都可以走&#x…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023